气象预报的快速发展对气象数据统计工作提出了更高的要求,准确快速的统计数据是气象预报发展过程中不可缺少的重要基础信息,是领导决策的重要依据。由于气象数据的记录方式,使其存在大量的历史数据。怎样利用这些海量的历史数据进行统计,为气象业务预报提供准确快速的决策,是气象数据统计工作的一个重要环节。以嘉定区气象局项目为依托,针对在海量气象资料中进行多个气象要素检索过程中响应时间过长的不足,将进化优化和数据库技术应用于气象数据存储和检索中,以提高气象数据检索和统计效率为目的,开发一个以数据库作为数据存储的快速气象数据检索系统。经实验分析发现,一个好的多表连接SQL语句执行策略能够在很大程度上提高系统检索效率,而好的执行策略在很大程度上取决于查询优化算法。本文根据数据库多连接查询优化的具体特点,将粒子群优化算法引入到解决数据库的多表连接查询优化问题中,围绕PSO算法与气象数据检索中的多表连接查询优化问题,进行较深入地探索研究,并取得相应的研究成果。具体而言,本研究的主要工作和创新有：1.细致分析了标准粒子群算法静态惯性权重存在的问题。通过应用标准粒子群算法求解标准测试函数,发现在标准粒子群算法中,静态惯性权重的设置方法无法适应问题,并且惯性权重的线性递减导致进化后期种群多样性减小,且权重递减率受最大进化代数制约,势必影响算法的收敛速度和搜索性能,导致算法无法跳出局部最优,造成未成熟收敛。2.设计出一种惯性权重动态调整的自引导型参数设置方法,改进了粒子群算法的优化性能。其核心思想是在进化过程中综合考虑每个粒子目标函数值和群体最优粒子间的偏差,以及粒子个体最优值前后代的调整量的信息,动态、自引导地设置各粒子的惯性权重和加速学习因子,在群体多样性和收敛速度间动态地找到一个好的均衡,有效地防止了未成熟收敛现象,提高了收敛速度和精度。通过在9个标准测试函数上进行的实验表明,与标准PSO对比,改进的PSO算法在收敛精度相同的情况下收敛速度有明显提升约20%以上。通过对算法性能的分析得出,改进的PSO算法在优化性能上具有很大的优越性。3.针对多表连接的气象数据检索优化问题,将改进的粒子群优化算法和多表连接查询相结合,设计出基于改进的粒子群算法的多表连接查询优化算法。模拟实验结果表明,将改进的粒子群算法用于求解多表连接查询优化问题中,查询效率明显提高,方案确实可行,为多表连接查询优化问题提供了一种可供选择的方法。以上工作不仅丰富了粒子群算法的研究,还进一步扩展了其应用领域,更重要的是为气象数据库多表连接查询优化提供了一种可以借鉴的优化算法,为气象与计算机结合提供了一个范例,有助于推动优化算法在气象研究中更多的应用。